数据科学 IPython 笔记本 8.13 自定义刻度

8.13 自定义刻度

原文：Customizing Ticks 译者：飞龙 协议：CC BY-NC-SA 4.0 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。

Matplotlib 的默认刻度定位器和格式化程序，在许多常见情况下通常都足够了，但对于每个绘图都不是最佳选择。本节将提供几个刻度位置和格式的示例，它们调整你感兴趣的特定绘图类型。

在我们进入示例之前，我们最好进一步了解 Matplotlib 绘图的对象层次结构。Matplotlib 旨在用 Python 对象表示绘图中出现的所有内容：例如，回想一下figure是绘图元素所在的边框。每个 Matplotlib 对象也可以充当子对象的容器：例如，每个figure可以包含一个或多个axes对象，它们的每个又包含表示绘图内容的其他对象。

刻度线也不例外。 每个axes都有属性xaxis和yaxis，它们又具有一些属性，包括构成轴域的直线，刻度和标签。

主要和次要刻度

在每个轴内，有主要刻度标记和次要刻度标记的概念。 正如名称所暗示的那样，主要刻度通常更大或更明显，而次要刻度通常更小。 默认情况下，Matplotlib 很少使用次要刻度，但是你可以在对数绘图中看到它们：

代码语言：javascript复制

import matplotlib.pyplot as plt
plt.style.use('classic')
%matplotlib inline
import numpy as np

ax = plt.axes(xscale='log', yscale='log')
ax.grid();

我们在这里看到每个主刻度线显示为一个大刻度线和一个标签，而每个次刻度线显示为一个没有标签的较小刻度线。

这些刻度属性 - 位置和标签 - 也就是说，可以通过设置每个轴的formatter和locator对象来定制。 让我们检查刚刚展示的绘图的x轴：

代码语言：javascript复制

print(ax.xaxis.get_major_locator())
print(ax.xaxis.get_minor_locator())

'''
<matplotlib.ticker.LogLocator object at 0x10dbaf630>
<matplotlib.ticker.LogLocator object at 0x10dba6e80>
'''

print(ax.xaxis.get_major_formatter())
print(ax.xaxis.get_minor_formatter())

'''
<matplotlib.ticker.LogFormatterMathtext object at 0x10db8dbe0>
<matplotlib.ticker.NullFormatter object at 0x10db9af60>
'''

我们看到主要和次要刻度标签的位置都由LogLocator指定（这对于对数图是有意义的）。 但是，次要刻度的标签格式为NullFormatter：这表示不会显示任何标签。我们现在将展示一些为各种图设置这些定位器和格式化器的示例。

隐藏刻度或标签

也许最常见的刻度/标签格式化操作是隐藏刻度或标签。这可以使用plt.NullLocator()和plt.NullFormatter()来完成，如下所示：

代码语言：javascript复制

ax = plt.axes()
ax.plot(np.random.rand(50))

ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())

请注意，我们已经从x轴移除了标签（但保留了刻度线/网格线），并从y轴中删除了刻度线（以及标签）。 在许多情况下，不显示刻度可能很有用 - 例如，当你想要显示图像网格的时候。 例如，考虑下图，它包含不同的面部图像，这是监督机器学习问题中常用的一个例子（例如，参见“深入：支持向量机”）：

代码语言：javascript复制

fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)

# 从 sklearn 获取一些人脸数据
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images

for i in range(5):
    for j in range(5):
        ax[i, j].xaxis.set_major_locator(plt.NullLocator())
        ax[i, j].yaxis.set_major_locator(plt.NullLocator())
        ax[i, j].imshow(faces[10 * i   j], cmap="bone")

请注意，每个图像都有自己的轴域，我们将定位器设置为null，因为刻度值（在这种情况下为像素数）不会传达这个特定可视化的相关信息。

减少或增加刻度数量

默认设置的一个常见问题是，较小的子图最终会拥有密集的标签。我们可以在这里显示的绘图网格中看到它：

代码语言：javascript复制

fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)

特别是对于x刻度，数字几乎重叠并使它们很难看清。我们可以用plt.MaxNLocator()解决这个问题，它允许我们指定要显示的最大刻度数。给定此最大数量，Matplotlib 将使用内部逻辑来选择特定的刻度位置：

代码语言：javascript复制

# 对于每个轴，设置 x 和 y 主要定位器
for axi in ax.flat:
    axi.xaxis.set_major_locator(plt.MaxNLocator(3))
    axi.yaxis.set_major_locator(plt.MaxNLocator(3))
fig

这使事情变得更加干净。 如果你想要更多地控制等间隔的刻度位置，你也可以使用plt.MultipleLocator，我们将在下一节讨论。

花式刻度格式

Matplotlib 的默认刻度格式可能会有很多不足之处：它可以作为一个泛用的默认值，但有时你还想做更多的事情。考虑一下正弦和余弦的绘图：

代码语言：javascript复制

# 绘制正弦和余弦曲线
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')

# 配置网格，图例和限制
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi);

我们可能想做一些改变。 首先，以 π 的倍数的刻度线和网格线来区分这些数据更加自然。 我们可以通过设置MultipleLocator来实现，它可以在你提供的数字的倍数处，设置刻度线。 为了更好地衡量，我们将以π/4的倍数添加主要和次要刻度：

代码语言：javascript复制

ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
fig

但现在这些刻度标签看起来有点傻：我们可以看到它们是 π 的倍数，但十进制表示并没有立即传达这一点。要解决这个问题，我们可以更改刻度格式化器。对于我们想要做的事情，没有内置格式化器，所以我们改为使用plt.FuncFormatter，它接受用户定义的函数，对刻度输出进行细粒度控制：

代码语言：javascript复制

def format_func(value, tick_number):
    # 寻找 pi/2 倍数的数字
    N = int(np.round(2 * value / np.pi))
    if N == 0:
        return "0"
    elif N == 1:
        return r"$pi/2$"
    elif N == 2:
        return r"$pi$"
    elif N % 2 > 0:
        return r"${0}pi/2$".format(N)
    else:
        return r"${0}pi$".format(N // 2)

ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))
fig

这要好得多！ 请注意，我们已经使用了 Matplotlib 的 LaTeX 支持，通过将字符串括在美元符号中来指定。 这对于显示数学符号和公式非常方便：在这种情况下，pi显示为希腊字符π。

plt.FuncFormatter()提供绘图刻度外观的极细粒度控制，并且在准备绘图用于演示或发布时非常方便。

格式化器和定位器的总结

我们已经提到了一些可用的格式化器和定位器。我们将简要列出所有内置定位器和格式化器的选项来结束本节。 对于其中任何内容的更多信息，请参阅文档字符串或 Matplotlib 在线文档。plt命名空间中提供以下东西：

定位器类	描述
NullLocator	没有刻度
FixedLocator	刻度定位器是固定的
IndexLocator	索引绘图的定位器（也就是，其中x = range(len(y))）
LinearLocator	等间隔的刻度，从最小值到最大值
LogLocator	对数刻度，从最小值到最大值
MultipleLocator	刻度和范围是基数的倍数
MaxNLocator	在不错的位置寻找小于等于最大值的刻度数
AutoLocator	（默认）带有简单默认值的MaxNLocator
AutoMinorLocator	用于次要刻度的定位器

格式化器类	描述
NullFormatter	刻度上没有标签
IndexFormatter	从一列标签中设置字符串
FixedFormatter	手动为标签设置字符串
FuncFormatter	使用用户定义的函数设置标签
FormatStrFormatter	对每个值使用格式化字符串
ScalarFormatter	（默认）用于标量值的格式化器
LogFormatter	对数轴域的默认格式化器

我们将在本书的其余部分看到更多这些例子。

matlab numpy 编程算法 python

0 人点赞